MétaCan
Menu
Retour à la cohorte
Enregistrement W1543706071 · doi:10.18438/b8qs4q

The Impact and Effect of Learning 2.0 Programs in Australian Public Libraries

2012· article· en· W1543706071 sur OpenAlexvenueno aff
Michael Stephens, Warren Cheetham

Notice bibliographique

RevueEvidence Based Library and Information Practice · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueWeb and Library Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingThematic analysisPublic relationsService (business)Knowledge managementMedical educationPsychologyLibrary scienceBusinessComputer scienceSociologyPolitical scienceMarketingMedicineSocial psychologyQualitative research

Résumé

récupéré en direct d'OpenAlex

Abstract Objective – With adoption of the program world-wide, the Learning 2.0 model has been lauded by library professionals as a mechanism to educate library staff and transform libraries. This study, part of the 2009 CAVAL Visiting Scholar project, seeks to measure the impact and legacy of the model within Australian public libraries to understand what benefits, changes and effects occur. Methods – A national Web-based survey for those who had participated in a learning 2.0 program. Results – The national survey had 384 respondents, and a total of 64 respondents were identified as the public library staff data set for this article. Public library staff reported success in the program and described feelings of increased confidence, inclusivity, and a move to use emerging technologies as part of library service. Conclusion – The analysis yields the following thematic areas of impact and effect: personal practice is enhanced with knowledge and confidence; impact is mainly personal, but organisational changes may follow; the library is using the tools to varying degrees of success, and organizational blocks prevent use of tools. These finding offer evidence that Learning 2.0 programs can have a positive effect on library staff and subsequently on the organization itself.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,261
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence Based Library and Information PracticeMême sujetWeb and Library ServicesTravaux en français237 207